nutrisi untuk penderita diabetes berbagai komplikasi menggunakan

NUTRISI UNTUK PENDERITA DIABETES BERBAGAI KOMPLIKASI
MENGGUNAKAN METODE FUZZY
Novira Putri Ayuningtyas1.Entin Martiana2.
Mahasiswa Jurusan Teknik Informatika1, Dosen Pembimbing2
Politeknik Elektronika Negeri Surabaya
Institut Teknologi Sepuluh Nopember
Kampus PENS-ITS Keputih Sukolilo Surabaya 60111
Telp (+62)31- 5947280,5946114, Fax(+62)31-5946114
Email : [email protected]
Makalah Proyek Akhir
ABSTRAK
Sampai saat ini masalah penyakit diabetes dan komplikasinya merupakan masalah yang ditakuti
oleh masyarakat. Hal ini dikarenakan masih mahalnya pengobatan untuk mencegah dan mengobati
penyakit diabetes beserta komplikasinya ini. Dengan kemajuan dan Perkembangan teknologi saat ini maka
dibuatlah sistem pemberian nutrisi kepada penderita diabetes dengan berbagai komplikasi dengan
menggunakan algoritma fuzzy. Aplikasi ini dapat diakses melalui web browser, mobile browser maupun
j2me aplication client server. Metode fuzzy dibuat untuk menentukan status gizi dari tinggi dan berat badan
kemudian menentukan seberapa parah komplikasi yang diderita dengan cara memfuzzykan input hasil
etiologi laboratorium dan komplikasi yang ditanyakan oleh system, maka akan muncul hasil output hasil
gizi,hasil diit, menu diit dan parah tidaknya komplikasi yang diderita pasien. Dengan adanya proyek akhir
ini dapat mempermudah masyarakat menentukan nutrisi yang tepat untuk dirinya dan tidak mengeluarkan
biaya mahal maupun pergi ke Rumah Sakit untuk berkonsultasi tentang nutrisi yang tepat bagi dirinya.
Pada proyek akhir dapat disimpulkan tingkat error yang dihasilkan dengan metode fuzzy adalah 13.43%.
Kata Kunci : Fuzzy , diabetes, nutrisi, j2me client server, web browser,mobile browser
ABSTRACT
Until now, the problem of diabetes and its complications is a problem that was feared by society. This is
due to very expensive treatment to prevent and treat diabetes and its complications are. With the
advancement and development of technology, today there was made nutrient delivery system for people
diabetes with various complications by using fuzzy algorithms. This application can be accessed by via
web browser, mobile browser and J2ME client server. Fuzzy method is made to determine the nutritional
status of height and weight body and then determine how severe the complications suffered with make the
fuzzy result of the laboratory etiology result degrees and complications are asked by the system, it will
display the output of nutrients, the diet result menu diet and severity of complications suffered by
patients. With the end of this project can be
facilitate the community to determine proper
nutrition for themselves and not the expensive cost and go to the hospital to consult about the proper
nutrition for themselves. At the end of the project can be concluded that the error rates generated by
the fuzzy method is 13:43%.
Keywords: Fuzzy, diabetes, nutrition, j2me client server,web browser, mobile browser
1.PENDAHULUAN
1.1 Latar Belakang
Dewasa ini semakin merambahnya
penyakit diabetes yang dikenal sebagai penyakit
kencing manis atau penyakit gula darah adalah
golongan penyakit kronis yang ditandai dengan
peningkatan kadar gula dalam darah sebagai
akibat adanya gangguan sistem metabolisme
dalam tubuh. Diabetes Mellitus bisa disebabkan
dari faktor keturunan atau konsumsi gula yang
berlebih.
Penyakit Diabetes Mellitus janganlah dijadikan
momok tapi kendalikanlah agar Anda dapat
hidup bahagia bersama Diabetes. Bila
diremehkan, komplikasi penyakit Diabetes
Mellitus dapat menyerang seluruh anggota
tubuh.
Diit diabetes banyak macamnya dan masingmasing diit tersebut mempunyai indikasi tertentu
untuk penggunaanya. Oleh karena itu, seiring
perkembangan teknologi, dalam proyek akhir ini
akan dibuat sebuah aplikasi untuk memecahkan
masalah diatas. Yaitu dengan membuat sebuah
aplikasi web dan j2me client server dengan
menggunakan metode fuzzy yang dapat
membantu menetukan nutrisi yang sesuai untuk
penderita diabetes berdasarkan kriteria-kriteria
tinggi badan, berat badan, jumlah kalori dan
komplikasi yang berbeda-beda. Pada proses
penentuan nutrisi yang berdasarkan kriteriakriteria untuk direkomendasikan kepada pasien,
menggunakan logika fuzzy. Dengan logika fuzzy
akan diketahui jenis diit, nilai nutrisi dan menu
makanan dengan kriteria pencarian data yang
bersifat linguistic, sehingga didapatkan nilai
untuk direkomendasikan kepada pasien.
Pada penelitian sebelumnya, metode fuzzy
digunakan untuk sebuah optimasi barang dan
pernah dicoba untuk membuat diagnosa nutrisi
dengan melihat nilai karbohidrat,protein,lemak,
dsb, tetapi dalam tugas Akhr ini akan dibuat
untuk diagnosa sebuah nutrisi diabetes dengan
komplikasinya.
1.2 Tujuan
Proyek akhir ini bertujuan untuk
membangun
sebuah
system
yang
menggunakan teknologi web dan j2me
untuk solusi nutrisi penderita diabetes
dengan berbagai komplikasi menggunakan
metode
fuzzy.
Sehingga
kurangnya
pengetahuan masyarakat akan nutrisi
penderita
diabetes
dengan
berbagai
komplikasi dapat teratasi.
2.
TEORI DASAR DAN PENUNJANG
2.1.1 Komposisi Berbagai Macam DIIT
Diabetes
Dalam penelitian, Diit-B mempunyai
komposisi 68% kalori karbohidrat, 20% kalori
lemak, dan 12% kalori protein. Penggunaan DiitB tersebut didasari atas hasil penelitian
prospektif yang telah dilaporkan di Surabaya
pada tahun 1978, yang sesuai dengan hasil
penelitian di luar negeri.
Juga dalam Diit-B tersebut banyak
terkandung serat yang sumber seratnya berasal
dari sayuran golongan A dan sayuran golongan
B. Tingginya serat ini dapat menekan kenaikan
kadar kolesterol darah, karena serat tersebut akan
meningkatkan kolesterol yang dieksresi kedalam
usus dari empedu dan seterusnya dikeluarkan
bersama tinja. Karena terdapat banyak variasi
dan tipe diabetes, tidak semua Diabetisi dapat
diberi diit-B.
Akhirnya secara berurutan tersusunlah
bermacam-macam diit diabetes yang masingmasing mempunyai komposisi dan indikasi
sendiri-sendiri yaitu.
1. Diit-B (1974)
2. Diit-B puasa (1978)
3. Diit-B1 (1980)
4. Diit-B1 puasa (1980)
5. Diit-B2 (1982) atau Diit B2 Fase praHemodialisa (2002)*
6. Diit-B3 (1982) atau Diit B3 Fase praHemodialisa (2002)*
7. Diit-Be (1983) atau Diit Be Fase
Hemodialisa (2002)*
8. Diit-M (1989) untuk Diabetes Mellitus yang
terkait Malnutrisi(DMTM)
9. Diit-M puasa (1989)
10. Diit-G (1999) untuk Diabetisi dengan
komplikasi kaki Ganggren
11. Diit-KV (1999) untuk diabetisi dengan
ganguan kardiovaskuler (penyakit jantung
koroner,stroke,penyakit pembuluh darah
oklusif)
12. Diit-GL (2000) untuk diabetisi gagal ginjal
berat dan perdarahan lambung
13. Diit-H (2001) untuk diabetisi kelainan fungsi
hati
14. Diit-KV-T1 (2004) adalah diit Trimester 1
untuk diabetisi yang hamil dengan gangguan
kardiovaskuler (penyakit jantung koroner
koroner,stroke,penyakit pembuluh darah
oklusif)
15. Diit-KV-T2 (2004) adalah diit Trimester II
untuk diabetisi yang hamil dengan gangguan
kardiovaskuler
(penyakit
jantung
koroner,stroke,penyakit pembuluh darah
oklusif)
16. Diit-KV-T3 (2004) adalah diit Trimester III
untuk Diabetisi yang hamil dengan
kardiovaskuler
(penyakit
jantung
koroner,stroke,penyakit pembuluh darah
oklusif)
Secara umum bentuk model fuzzy
Sugeno Orde-Satu adalah
IF x1 is A1) o (x2 is A2) o ... o (xN is
AN) THEN
z = p1*x1+ p2*x2+ … +pN *xN+ q
Dengan Ai adalah himpunan fuzzy ke-I
sebagai antenseden dan pi adalah suatu
konstanta ke i dan q juga merupakan
konstanta dalam konsekuen
2.1.2
Penentuan Jumlah Kalori Diit
Diabetes
untuk
memudahkan
teknik
pelaksanaannya, semua macam diit diabetes di
RSU Dr.Soetomo Surabaya telah terbagi-bagi
sesuai dengan jumlah kalorinya.
Contoh:
 Diabetes Mellitus I (1100 kalori)
 Diabetes Mellitus II (1300 kalori)
 Diabetes Mellitus III (1500 kalori)
 Diabetes Mellitus IV (1700 kalori)
 Diabetes Mellitus V (1900 kalori)
 Diabetes Mellitus VI (2100 kalori)
 Diabetes Mellitus VII (2300 kalori)
 Diabetes Mellitus VIII (2500 kalori)
 Diabetes Mellitus IX (2700 kalori)
 Diabetes Mellitus X (2900 kalori)
 Diabetes Mellitus XI (3100 kalori)
 Diabetes Mellitus XII (3300 kalori)
3.
PERANCANGAN DAN PEMBUATAN
SISTEM
3.1 Model Fuzzy
3.1.1
Himpunan Fuzzy dalam Menentukan
Status Gizi
Dalam
menentukan
status
gizi
dibutuhkan 2 variabel fuzzy yaitu, tinggi badan
dan berat badan. Metode fuzzy yang digunakan
adalah model fuzzy inference sugeno.Berikut
variabel-variabel fuzzy yang terkait dengan
penentuan status gizi, variabel tinggi badan
dapat dilihat pada gambar 3.1 dan variabel berat
badan dapa dilihat pada gambar 3.2. dan untuk
rule yang didapat dalam penentuan status gizi ini
dapat dilihat pada tabel 3.1
2.1 Fuzzy Sugeno
Fuzzy metode sugeno merupakan
metode inferensi fuzzy untuk aturan yang
direpresentasikan dalam bentuk IF – THEN,
dimana output (konsekuen) sistem tidak berupa
himpunan fuzzy, melainkan berupa konstanta
atau persamaan linear (Kusumadewi, 2002:98).
Metode ini diperkenalkan oleh Takagi-Sugeno
Kang pada tahun 1985. Model Sugeno
menggunakan fungsi keanggotaan Singleton
yaitu fungsi keanggotaan yang memiliki derajat
keanggotaan 1 pada suatu nilai crisp tunggal dan
0 pada nilai crisp yang lain.
1.
Gambar 3.1 Himpunan Fuzzy Tinggi Badan
Model Fuzzy Sugeno Orde-Nol
Secara umum bentuk model fuzzy
Sugeno Orde Nol adalah
Gambar 3.2 Himpunan Fuzzy Berat Badan
IF (x1 is A1) o (x2 is A2) o ... o (xN is
AN) THEN z = k
Dengan Ai adalah himpunan fuzzy ke-I
sebagai antenseden dan k adalah suatu
konstanta sebagai konsekuen.
2.
Model Fuzzy Sugeno Orde-Satu
T
I
N
G
Sangat
Pende
k
Pende
San
gat
Kur
us
Nor
mal
Kurus
BERAT
Biasa
Gemu
k
Kur
Norm
Berat
Sangat
Berat
Gemu
k
Obesit
as
Obesitas
Gemu
Obesit
Obesitas
G k
I Sedan
g
Tinggi
Sangat
tinggi
us
Kur
us
Und
er
nutri
si
Und
er
nutri
si
al
Kurus
Kurus
Under
nutrisi
k
Norm
al
Kurus
Kurus
as
Gemu
k
Norm
al
Kurus
Obesitas
TBC Paru
Gemuk
Tumor
Normal
Pendarahan
Lambung
Penyempitan
Pembuluh Darah
Ganggren
Tabel 3.1 Rule Evaluasi Status Gizi
Kurus
Menentukan Kalori dan Menentukan
Himpunan Fuzzy DM
Setelah didapatkan status giz, maka
maka yang dilakukan selanjutnya adalah
menghitung kalori untuk mendapatkan hasil
fuzzy dari DM.Cara penghitungan kalori
adalah sebagai berikut::
Jika Underweight : berat badan x 50 kalori
Jika Normal
: berat badan x 40 kalori
Jika Gemuk
: berat badan x 30 kalori
Jika Obesitas
: berat badan x 10 kalori
Setelah diketahui kalorinya, maka akan
dibedakan
berdasarkan
DM
yang
ditunjukkan pada tabel 3.2
Under
3.1.2
3.1.3
Himpunan Fuzzy dalam Menentukan
Komplikasi
Dalam
menetukan
Komplikasi
didapatkan
dari
hasil
derajat
etiologi
laboratorium, dengan memasukkan nilai-nilai
derajad etiologi dapat ditentukan parah tidaknya
komplikasi dan di dapatkan dari hasil pertanyaan
dari system, jika difuzzykan akan bernilai 1= ya
dan 0= tidak.
Dalam tabel 3.3 adalah HimpunanHimpunan Fuzzy dari hasil etiologi laboratorium.
jenis
Tekanan Darah
Lemak Darah
Fungsi ginjal
Hematologi
Faal Hati
Asam Urat
Patah tulang
Pasca Bedah
nama
Tekanan Atas
Tekanan Bawah
LDL Kolesterol
HDL Kolesterol
Trigliserida
BUN
Kreatinin
Asam Urat
Hemoglobin
Leukosit
SGOT
SGPT
Asam Urat
Batas normal
65-90
60-85
0-140
<=49
0-160
0-25
0-3
2-6.5
12-17
4100-12000
0-10
9.1-50
2-6.5
Ya=1
Tidak=0
Ya = 1
Tabel 3.3 Macam-macam
Etiologi Laboratorium
Tidak=0
Ya=1
Tidak=0
Ya=1
Tidak=0
Ya=1
Tidak=0
Ya=1
Tidak=0
Ya=1
Tidak=0
Ya=1
Tidak=0
Ya=1
Tidak=0
Hasil
Derajat
3.1.4
Metode Bayesian dan Fuzzy Query
dalam Menentukan Hasil Diit
Fuzzy
query
digunakan
untuk
mendapatkan Hasil Diit, dari nilai akhir fuzzy
yang didapatkan, maka akan dibentuk suatu rule
baru dan fuzzy baru untuk mendapatkan hasil diit
dan menu makanan serta kandungan nutrisi
dalam Diit tersebut.
Metode bayesian juga menggunakan
hasil rule akhir dari proses fuzzy menentukan
komplikasi, maka dari hasil akhir rule tersebuut
akan dibandingkan dengan data training bayesian
yang sudah dibuat dan kemudian dicari
probabilitas yang paling tinggi. Proses Bayesian
ini juga digunakan untuk menentukan hasil Diit,
menu makanan dan nutrisi yang terkandung
dalam Diit tersebut.
Selanjutnya kedua metode ini hasilnya
juga akan dibandingkan.
3.2 Tahap Perancangan Sistem
Diagram di bawah ini merupakan desain
sistem yang akan dibangun dan merupakan
rancangan sistem dalam proyek akhir ini :
Gambar 3.5 Diagram Metode Fuzzy Query
Untuk Menetukan Hasil Diit
Gambar 3.3 Diagram alir
menyeluruh
Sistem
secara
3.2.1
Data flow diagram
Data flow diagram menunjukan alur
dari suatu system dan bagaimana system
berinteraksi dengan dunia luar. Data flow
mendeskripsikan interaksi system dengan
„sesuatu‟ di luar sistem . Data flow menampilkan
spesifikasi fungsional yang diharapkan dari
sistem/perangkat lunak yang kelak akan kita
kembangkan. Data flow sangat penting
dimanfaatkan untuk
menangkap
seluruh
kebutuhan dan harapan pengguna
input_data_admin
0
input_data_pas ien
inf_data_admin
edit_data_rule
konfirmadi_edit_rule
admin
edit_data_pasien
fuzz y inference untuk
pemilihan nutris i
diabetes
informas i_data_pas ien
input_ting g i_berat
konfirmas i_kalori
konfirmas i_edit_data_pasien
edit_data_batas
konfirmas i_edit_data_batas
input_diag nos a
konfirmas i_diit
Gambar 3.6 Context Diagram
Gambar 3.4 Diagram Metode Bayesian Untuk
Menetukan Hasil Diit
us er_pasien
diag nosa
user_pasie
n
user_pasie
n
data_diit
input_diag nosa
user_pasie
n
6
input_data_pasien
konfirmasi_diit
rekomendasi
diit
1
data_input_p informasi_data_pasien
asien
user_pasie
n
7
user_pasie
n
edit data
psien
data_pasien
data_pasien
data_pasien
konfirmasi_edit_data_pasien
pasien
edit_data_pasien
konfirmasi_kalori
data_kalori
data_pasien
user_pasie
n
2
data_input_a
dmin
input_ting g i
input_data_admin
data_admin
admin
data_admin
inf_data_admin
admin
input_berat
admin
admin
5
rekomendasi
kalori
admin
data_kalori
data_admin
user_pasie
n
kalori
3
data_rule
data_rule
membuat
rule
data_batas
data_admin
admin
admin
rule
Gambar 4.2. Form Hasil Fuzzy Status Gizi
edit_data_batas
konfirmadi_edit_rule
edit_data_rule
4
memnuat
konfirmasi_edit_data_batas
himpunan
admin
fuzzy
data_batas
admin
himpunan fuzzy
Gambar 3.7 DFD Level 1
4. PENGUJIAN DAN ANALISA
4.1 HASIL PENGUJIAN
Pada aplikasi ini terdapat 3 menu
utama, yaitu : User Admin dan User pasien dan
menu daftar.
Hal-hal yang dapat dilakukan user pasien adalah
Diagnosa Nutisi, meliputi Diagnosa status gizi,
Diagnosa DM, Diagnosa komplikasi, dan
Diagnosa hasil diit dan mendapatkan kandungan
nutrisi dan menu makanan diitnya . Dan hal-hal
yang dapat dilakuakn admin adalah Tambah,
Edit dan hapus batas-batas fuzzy, rule, index dan
data training Diit.
4.1.1 User Pasien
4.1.1.1 Diagnosa Status Gizi
Jika proses login user berhasil, maka
akan masuk kedalam proses diagnosa
nutrisi, hal pertama yang dilakukan
adalah diagnosa Status gizi yaitu hasil
dari fuzzy tinggi dan berat badan. Pada
gambar 4.1 adalah form Input Tinggi dan
Berat Badan dan hasilnya ditunjukkan
pada gambar 4.2.
Gambar 4.1. Form Input tinggi dan berat badan
4.1.1.2 Diagnosa DM (Diabetes Mellitus)
Setelah Menetukan Status gizi maka
dapat ditentukan hasil kalori dari
perkalian indeks yang sudah ditentukan
oleh ahli gizi, maka di dapatkan hasil DM
dari hasil fuzzy kalori yang telah
didapatkan. Pada gambar 4.3 adalah Hasil
Kalori dan Hasil DM dari Status Gizi
Gambar 4.3. Hasil Kalori dan Hasil DM
4.1.1.3 Diagnosa Komplikasi
Setelah Status gizi dan hasil DM
diketahui maka akan dilanjutkan untuk
diagnosa selanjutnya yaitu dignosa
komplikasi hasil yaitu memfuzzikan hasil
derajat
etiologi
laboratorium
dan
komplikasi pertanyaan yang diajukan
system. Pada gambar 4.4 merupakan
gambar form pengisian komplikasi
pasien. Dan pada gambar 4.5 adalah
gambar hasil fuzzy dari komplikasi dan
deerajat etiologi laboratorium yang
diinputkan pasien
Gambar 4.6 Form Hasil Diit Metode
Bayesian
Gambar 4.4 Form Komplikasi
Gambar 4.7 Form Hasil Diit Metode
Fuzzy Query
Gambar 4.5 Form Hasil Fuzzy Komplikasi
4.1.1.4 Diagnosa Hasil Diit,Menu Makanan
dan Nutrisi
Pada tahap ini adalah tahap dignosa DIIT.
Pada diagnosa DIIT ini akan dilakukan melalui 2
metode yaitu bayesian dan fuzzy query. Pada
gambar 4.6 merupakan gambar form Hasil Diit
dengan metode bayesian. Dan pada gambar 4.7
adalah gambar form Hasil Diit dengan metode
fuzzy query.
4.1.2 User Admin
Jika proses login user berhasil, maka akan
Setelah Login sebagai user admin berhasil, maka
terdapat pilihan di dalam menu admin yaitu
Tambah Data Fuzzy Diit, Tambah batas Fuzzy,
Edit dan hapus batas Fuzzy, Tambah Data Rule,
Edit dan Hapus Data Rule, Tambah Data Indeks
dan Edit dan hapus data Indeks.
Pada Gambar 4.8 adalah form Tambah
data Fuzzy Diit, Gambar 4.9 adalah form
Tambah batas fuzzy, gambar 4.10 adalah gabar
Edit dan Hapus batas fuzzy, gambar 4.11 adalah
form Tambah Data Rule, gambar 4.12 adalah
Edit dan Hapus Data Rule, gambar 4.13 Tambah
Data Indeks dan 4.14 adalah Form Edit dan
Hapus Data Indeks
Gambar 4.8 Form Tambah
Data Fuzzy Diit
Gambar 4.9 Form Tambah
Data Batas Fuzzy
Gambar 4.10 Form Edit Data
Batas Fuzzy
Gambar 4.13 Form Tambah
Data Indeks Fuzzy
Gambar 4.14 Form Edit Data
Indeks Fuzzy
4.1.3 Daftar Pasien
Pada Menu daftar pasien ini
digunakan untuk user pasien yang belum
terdaftar dalam sistem ini dan masih
belum bisa menggunakan hak akses
seutuhnya.
Pada gambar 4.15 adalah Form
Daftar Pasien.
Gambar 4.11 Form Tambah
Data Rule Fuzzy
Gambar 4.15 Form Daftar Pasien
4.1.4 Analisa
Gambar 4.12 Form Edit Data
Rule Fuzzy
Analisa Sistem perangkat lunak ada 5 macam
yaitu berdasarkan status gizi, kalori, komplikasi
dari hasil nilai derajat etiologi laboratorium,
hasil penentuan diit dengan 2 metode, yaitu
bayesian dan fuzzy query dan analisa berdsarkan
teknologi yang dipakai antara j2me dengan
mobile browser. Hasil analisa berdasarkan data
rekam medis, dan data yang dimasukkan
sebanyak 12 data pasien, yang nantinya hasilnya
akan dibandingkan dengan hasil diagnosa ahli
gizi dan error juga akan didapatkan sebagai hasil
analisa sistem nutrisi ini.
Untuk analisa status gizi, Error yang didapat
adalah : Error = jumlah tidak sama / jumlah data
2/ 12 = 0.25 * 100% = 16 %
Terdapat 2 kesalahan error, error yang pertama
karena hasil fuzzy gemuk lebih besa daripada
obesitas dan error kedua nilai fuzzy beada
ditengah-tengah antara kurus dan normal tetapi
bisa dipakai keduanya, jadi bisa dikatakan
metode fuzzy layak untuk digunakan untuk
diagnosa status gizi pasien. Untuk nilai batas
tinggi dan berat sudah dibuat dinamis untuk
memudahkan pakar gizi mengubah nilai-nilai
tinggi dan berat secara otomatis, supaya hasil
yang diperlukan lebih akurat.
Untuk analisa DM, Error yang didapat adalah :
Error = jumlah tidak sama / jumlah data
4/ 12 = 0.25 * 100% = 33 %
Terdapat 4 kesalahan error, error yang terjadi
akibat hasil pengalian kalori yang masih kurang
tepat,karena ahli gizi menyarankan untuk
memakai yang standart. Di lapangan, untuk
pengalian kalori, ahli gii juga masih mengirangira hasil pengalian kalori yang memang harus
diberikan untuk pasien.
Maka dari itu hasil pengalian kalori ini juga
dibuat dinamis, agar ahli gizi dapat mengubahubah nilainya sesuai dengan yang diinginkan.
Tidak hanya pengalian kalori yang dibuat
dinamis tetapi nilai keanggotan fuzzy pada DM
pun juga dibuat dinamis untuk mempermudah
pakar gizi mengubah-ubah hasil nilainya sesuai
kebutuhan dan keinginan.
Untuk analisa DIIT, Hasil Error yang diperoleh
adalah :
Error untuk Metode bayesian :
jumlah salah/ jumlah n data = 2/12 = 16%
2 data salah dari banyaknya 12 data
Error untuk metode fuzzy query:
jumlah salah/ jumlah n data = 1/12 = 8.3%
1 data salah dari banyaknya 12 data
Maka dapat dikatakan metode fuzzy memiliki
hasil yang lebih akurat dibandingkan dengan
metode bayesian. Terbukti dari 12 data pasien
yang diujikan , error yang dimiliki fuzzy ada 1
data dari 12 data pasien sedangkan bayesian
memiliki 2 error data dari 12 data pasien.
Maka dari itu, metode fuzzy layak untuk
digunakan untuk diagnosa DIIT pada pasien.
Untuk analisa teknologi yang dipakai antara
j2me dan browser sebagai berikut:
Berdasarkan hasil uji coba dengan menggunakan
web browser dan J2ME, maka dapat dianalisa :
1. Kecepatan akses antara j2me dan mobile
browser
Untuk load data,
Dengan menggunakan j2me, main program
di letakkan di web server jsp, aplikasi j2me
hanya mengeload data yang berada di bagian
server dan menampilkan data, maka yang
terjadi adalah jika user mengakses data dari
server client j2me, maka server j2me akan
memproses
data
dari
server
dan
menampilkannya ke server client, untuk
melakukan hubungan kirim dan menerima
data akan membutuhkan waktu yang lama
dan koneksi bolak-balik antara server dengan
client.maka akan semakin lama data tersebut
akan diterima oleh user.
Dengan menggunakan mobile browser, kita
dapat mengakses web browser kita melalui
mobile browser, karena semua mobile saat ini
sudah dapat memabca script HTML, maka
aplikasi ini dapat dibuka melalui mobile
browser misalnya dengan opera mini atau
browser default yang dimiliki setiap
mobile.kecepatan akses melalui mobile
browser ini, sama halnya seperti kita
mengakses web browser, dan tidak
membutuhkan koneksi bolak-balik antara
client server, dan data yang diterima user
akan lebih cepat tersampaikan. Dengan
mobile browser ini, sama saja kita mengakses
web server kita di sisi mobile.
2. Masalah Update program
Untuk masalah Update program, lebih efisien
menggunakan mobile browser karena kalau
dengan j2me kita juga harus update program
dan data dan harus membuat file .jar yang
baru.kemudian baru client dapat mengakses
program yang baru. Tidak hanya itu, kita juga
harus mengubah sisi server. Tetapi kalau
dengan mobile browser, kita dapat update
dengan mudah, hanya update di sisi server
jsp dan web saja.
3. Masalah menampilkan gambar
Untuk j2me, harus membuat script program
sendiri untuk dapat menampilkan gambar di
sisis client j2me tetapi kalau dengan mobile
browser, kita dapat menampilkan gambar
dengan hanya script HTM, yang jadi satu
dengan web browser.
DAFTAR PUSTAKA
[1]
5. PENUTUP
5.1 Kesimpulan
Dari hasil percobaan serta analisa diatas, dapat
disimpulkan bahwa :
1. Dengan metode fuzzy yang tepat , aplikasi ini
sudah dapat memberikan solusi nutrisi yang
baik bagi penderita Diabetes dengan berbagai
komplikasi.
2. Aplikasi ini sudah memberikan kemudahan
layanan melalui web dan mobile, agar
pengguna dapat mengunakannya di berbagai
tempat dengan menggunakan handphone
yang dimilikinya yang terhubung dengan
koneksi internet.
3. Metode fuzzy mampu memberikan solusi
nutrisi yang baik, tepat dan akurat kepada
penderita Diabetes dengan komplikasinya
karena metode fuzzy menggunakan metode
perhitungan yang kuantitatif.
4. Hasil degan fuzzy lebih baik dibandingkan
dengan bayesian karena suatu keputusan
ditentukan
dengan
hasil
kuantitatif
(perhitungan yang akurat) dan rule yang
tepat.dibandingkan dengan metode bayesian
yang keputusannya diambil dari hasil nilai
probabilitas data training yang paling besar.
5. Hal yang paling menentukan untuk
mengambil suatu keputusan DM adalah dari
pengalian kalori yang diberikan.untuk itu
dibuat dinamis agar ahli gizi dapat
mengubah-ubah sesuai yang dibutuhkan.
6. Untuk rule, nilai keanggotaan fuzzy dan
indeks dibuat dinamis agar pakar gzi dapat
mengubah-ubah nilainya sewaktu-waktu jika
ada perubahan.
7. Untuk hasil analisa dari teknologi j2me dan
mobile browser,Update program lebih mudah
dengan mobile browser daripada j2me dan
akses data juga lebih cepat dengan
menggunakan mobile browser daripada j2me.
8. Aplikasi ini memiliki error 13.43% untuk uji
coba sebanyak 12 pasien
Prof.Dr.Askandar Tjokroprawiro, SpPdKEMD, “Hidup Sehat Dan Bahagia Bersama
Diabetes”, Edisi Baru, Publ. PT Gramedia
Pustaka Umum, Jakarta 2006
[2] Kusumadewi Sri. 2004. SISTEM PENENTU
DERAJAT
ETIOLOGI
HASIL
PEMERIKSAAN
LABORATORIUM
KLINIS
MENGGUNAKAN
LOGIKA
FUZZY
BERBASIS
WEB
DAN
SMS.Yogyakarta
[3] Iswari Lizda,Wahid Fatul. 2005. ALAT
BANTU SISTEM INFERENSI FUZZY
METODE
SUGENO
ORDE
SATU.Yogyakarta
[4] LUKITA SARI YOANA. 2009. APLIKASI
FUZZY QUERY DATABASE UNTUK
PEMILIHAN
SUSU
FORMULA
BERBASIS WEB. Proyek Akhir, Jurusan
Teknologi Informasi Politeknik Elektronika
Negeri Surabaya, Institut Teknologi Sepuluh
November Surabaya.
[5]
MARIYANSARI
NURINA.
2010.
ESTIMASI PENJUALAN SUKU CADANG
MOBIL
MENGGUNAKAN
FUZZY
SUGENO. Proyek Akhir, Jurusan Teknologi
Informasi Politeknik Elektronika Negeri
Surabaya, Institut Teknologi Sepuluh
November Surabaya.
[6]
Kusumadewi, Sri. Sistem Inferensi Fuzzy
(Metode TSK) untuk Penentuan Kebutuhan
Kalori Harian. Jurusan Teknik Informatika
Universitas Islam Indonesia. Yogyakarta
[7] http://id.wikipedia.org/wiki/Logika_fuzzy
[8] www.Ilmukomputer.com